本稿では、新たな2段階完全スパースな畳み込み3次元物体検出フレームワークであるCAGroup3Dを提案する。本手法は、同一の意味的予測を持つ物体表面ボクセルに対して、クラス意識型の局所グループ戦略を用いて高品質な3次元候補領域を生成する。このアプローチは、従来のボトムアップ手法で無視されてきた意味的一貫性と多様な局所性を同時に考慮している。次に、ボクセル単位のセグメンテーションにおける誤分類によって損失したボクセルの特徴を回復するため、バックボーンから細粒度の空間情報を直接集約可能な、完全スパースな畳み込みRoIプーリングモジュールを構築する。このモジュールはメモリおよび計算効率が高く、各3次元候補領域の幾何学的特徴をより効果的に表現できる。実験結果から、ScanNet V2において[email protected]で+3.6%、SUN RGB-Dにおいて+2.6%の顕著な性能向上を達成し、現行の最先端性能を上回っている。コードはhttps://github.com/Haiyang-W/CAGroup3Dにて公開される予定である。